研究者提出ATLAS模型归属溯源方法与MAABench基准

Minseok Ko等研究者提出模型归属溯源方法ATLAS（Authorship Tracing via Likelihood-based Attribution of Sources）及配套基准MAABench，用于应对LLM生成文本的滥用与模型蒸馏问题。ATLAS的做法是按来源条件建模文本生成，而非直接预测来源，并在token级别对似然证据进行裁剪聚合。 据该研究的说法，当生成领域和模型版本同时变化时，ATLAS在MAABench上达到74.27%准确率，比最强基线高9.00个百分点。研究者还称，ATLAS可用于识别蒸馏源模型，方法是衡量目标LLM与哪个源模型最相似。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。